MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。

本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

7 }# f$ v" n2 y6 C; G" f随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。

/ r: l1 B0 f. L4 p
: K! R7 `! q. b: @: k" [编辑推荐
1 l! b7 r* o' P本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
3 Q6 [( a. t# X% w! I. f: Y作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
作者简介
! g& A7 H  m: R0 }- `2 f$ A: z王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
& c% N9 H: |# r: P! U, j  C' G0 ?目录
第1章BP神经网络的数据分类——语音特征信号分类
1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
* h" W7 M5 p# |+ P1 f1.3.1归一化方法及MATLAB函数
- Z& l0 m# @3 w0 z8 r; W1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
1.4案例扩展
; X- T' y$ v! f! ~" l7 m+ F: }1.4.1隐含层节点数
" {* E) I; V; w! H& s3 R2 m1 I1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
2 d2 r: ?& x- `, V- F: X第2章BP神经网络的非线性系统建模——非线性函数拟合
' h0 Y! P; ]8 P1 U; [3 ]' B2.1案例背景
6 [- O3 ]6 v. x' m+ h! r- ], l2.2模型建立
2.3 MATLAB实现
3 P) h9 L6 i8 _4 ^, q2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
: q! u6 R0 A7 @2.3.5结果分析
2.4案例扩展
. N8 `; V  b5 f" P4 O* r! p2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
& b! @' c! j  ?- K  h( k  C2.4.4节点转移函数
% G) X: }6 B* o# q2.4.5网络拟合的局限性
5 B  z/ r7 q; {+ x! b+ V" Y* D参考文献
0 U9 f) }9 }. H* d) `6 @$ V第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
5 [& `, |8 x; W" }6 j3.1.1遗传算法原理
3.1.2遗传算法的基本要素
$ w+ X) _. P; Z: s' Z! y  I3.1.3拟合函数
2 }% H6 b& Z3 F+ r3.2模型建立
3.2.1算法流程
4 G+ Y" v4 O( F* E" f5 m7 d& v3.2.2遗传算法实现
9 v* g4 Q! j) ]4 I3.3编程实现
3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
4 Y0 T+ D5 X1 o- C9 h3 [( ?1 N3.3.4变异操作
3.3.5遗传算法主函数
3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
1 `2 w2 F& j7 d+ p  ~1 K& e3.4案例扩展
$ {" j7 U" z% i: k0 h1 Y# j3 ]3.4.1其他优化方法
! H. q- W' N/ \! l3.4.2网络结构优化
. b# _( j  c# n" p3.4.3算法的局限性
+ m- T, t- j3 j# q8 C参考文献
5 E& Y; S, o$ p, e7 U: `; Y6 B( N$ _, y第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
# m2 i. ^2 X: k6 j- y4.2模型建立
4.3编程实现
" U5 w$ e% f/ N4.3.1 BP神经网络训练
6 l+ v) O* b8 l6 K* H4.3.2适应度函数
& w$ E9 |+ `: ?' K3 s0 a: I- B) J- T4.3.3遗传算法主函数
8 S  |0 D8 P7 O' i' u4.3.4结果分析
8 v2 j! }9 ^& @0 t# G; {4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
参考文献
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
  `+ J/ k. \  ]3 l2 t5.3.1数据集选择
$ X, s7 |7 S/ C9 y5.3.2弱分类器学习分类
+ }" f% H- h2 u5.3.3强分类器分类和结果统计
$ V2 i7 ^& [3 d  B# C; p) s5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
! b5 U  L  T. K. d3 I- `5.4.3强预测器预测
5.4.4结果分析
/ R" E. H, n% n7 S. U9 |参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
3 z" N1 N1 K- S, H) }% A6.1.1 PID神经元网络结构
( A0 @! ]9 Q. Q' g3 J0 O$ Y6.1.2控制律计算
# ^  \8 s5 \" |" T( K* A+ z. o6.1.3权值修正
6.1.4控制对象
- J$ Y/ [7 w) F. i& U5 z6.2模型建立
4 Z  V1 A4 s. |/ C6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
( _+ a; {. m. x4 G6 A  }2 T6.3.4结果分析
6.4案例扩展
( d  `, C8 D7 Z! R/ E; r: z6.4.1增加动量项
6.4.2神经元系数
6.4.3 PID神经元网络权值优化
参考文献
# }$ e$ S  I( ~$ x第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
) c7 G& ?) ?# ?, t2 q2 W7.1.1 RBF神经网络概述
% |; n. Q7 M6 G" h3 W: c7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
7.2模型建立
& J; F& f5 J" w% _% n$ d* }7.3 MATLAB实现
' e; x1 N* i8 T; _0 V7.3.1 RBF网络的相关函数
7.3.2结果分析
5 F4 N7 Y# T9 I0 I0 o) {7.4案例扩展
$ J: h2 H) t) D; b; h- N5 [7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8 n  b% |0 R2 S1 c( i; s' W8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
& H- F1 ?1 H' D* t& f2 P8.1.4运输系统货运量预测相关背景
8.2模型建立
9 g  \: n3 d( E# G+ w5 ^. g) k8.3 MATLAB实现
8.4案例扩展
3 m' ^, ]! y' O) B参考文献
. N0 u3 t) s+ P1 Y第9章 离散Hopfield神经网络的联想记忆——数字识别
! D6 H! s) A" Z2 g9.1案例背景
9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
" L* q$ l$ w5 Z9 i9.1.3问题描述
9.2模型建立
9.2.1设计思路
: X4 ^4 v- p# P. r; J+ k3 P% E9.2.2设计步骤
$ E5 ?6 R: }$ H9 v0 Y# o9.3 Hopfield网络的神经网络工具箱函数
7 k# d* @) J5 j8 I9.3.1 Hopfield网络创建函数
  d6 ~9 U7 e+ X  L3 _% J9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
! U7 J! M* [3 e* |( }0 K9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
7 r6 I2 E' t; U5 ~4 o6 F1 x1 y9.5案例扩展
# p9 ?$ P3 H, n0 c( k5 V' w  W* }5 @9.5.1识别效果讨论
9.5.2应用扩展
参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
2 u1 F5 E7 [! v# T& o7 x2 s10.1.1离散Hopfield神经网络学习规则
, f2 c" E) |* y$ _/ ]* l10.1.2高校科研能力评价概述
9 M0 W! T8 V* z) C! C7 `10.1.3问题描述
10.2模型建立
4 A, z2 ?) ^8 M. B. d10.2.1设计思路
1 v8 R9 R: h4 d1 [9 x1 O8 r( I, L10.2.2设计步骤
6 D: F8 H( @0 Q/ {10.3 MATLAB实现
10.3.1清空环境变量
! C! ~8 Q4 i3 z0 f  [$ f2 t' a( K10.3.2导人数据
* r+ m/ C( N8 E9 W+ l# _' H10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
. ]2 N6 D" K* D2 b: d7 @10.3.6结果分析
: E7 q  G9 u4 E" I10.4案例扩展
参考文献
9 \5 F: T$ Z, a% y  X第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
11.1案例背景
11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
11.2.1设计思路
2 `) p+ v3 ?; ]/ a! r* k4 l11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
" j) A; o  R, O1 g1 f11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
" ~8 p1 Q5 \0 d9 y11.4.1结果比较
! L* o: @5 c9 V/ ]: X* ~11.4.2案例扩展
+ `% }" I) T. V+ a3 h参考文献
! j% c8 n5 U2 k' `1 G第12章初识SVM分类与回归
8 p' [% x8 ]  ], }. y+ S5 u12.1案例背景
12.1.1 SVM概述
$ k0 E) V, ?! J1 N  _0 f12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
* Q1 x9 z, _4 m" Q; n12.2 MATLAB实现
' S$ e+ Z# ^2 a7 T) d12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
" H7 ]$ ~$ d) l& Y. `4 a6 T* m# Y+ q12.3案例扩展
1 I2 V! f  j( j1 y0 D( G! L参考文献
3 g2 q/ E* b1 ~; b第13章LIBSVM参数实例详解
13.1案例背景
. Y, f$ H: k6 L% O13.2 MATLAB实现
13.3案例扩展
1 I9 Q  p: X5 B6 z# Y  J; r参考文献
; T9 g2 Z! \5 f0 {第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
9 L3 `$ y% b- `4 Z14.1案例背景
) d) G; R1 V; d7 b! g( q/ N5 s14.2模型建立
  E3 ^3 S$ |" E* n14.3 MATLAB实现
14 3.1选定训练集和测试集
……
0 B( A  R: a6 n; N第15章SVM的参数优化——如何更好地提升分类器的性能
' A9 f0 X) p' U! H+ U* H' g第16章基于SVM的回归预测分析——上证指数开盘指数预测
第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
第18章基于SVM的图像分割——真彩色图像分割
/ X# @  ^6 D' n+ c5 W+ k第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
2 Y! n  U' y7 N+ }第23章Elman神经网络的数据预测——电力负荷预测模型研究
2 x+ ?; `. x9 V7 Q6 D第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
0 b( Y; s3 t- m) B! Z第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
1 i. `% h* V3 B! ~第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
: C) c  F7 O! W6 U# \) D  c第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
% i7 M( G/ _+ J) g2 X7 j第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
7 R, R. r  v! ?/ f第31章思维进化算法优化BP神经网络——非线性函数拟合
5 ?$ _- d* L! _+ u4 l+ D# Q' f' z第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
: `" V/ A8 U% g第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
# J- W9 s8 j1 }3 v# h  S第36章遗传算法优化计算——建模自变量降维
6 ], k3 e8 Y0 N+ ^$ A" K( H0 A" U% u第37章基于灰色神经网络的预测算法研究——订单需求预测
; _- I+ K+ d& H2 a第38章基于Kohonen网络的聚类算法——网络入侵聚类
3 u$ R3 W1 q1 ]) ~+ ^' I% P第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
0 a* k  A, n& g9 m% A" R9 W$ l第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
4 n0 m: x% `; G- y2 D3 I# d第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
. _; d7 }- U2 m* T/ ~本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
3 J: t, j- u' W' Z作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
; K$ l) v1 I3 \+ ^& ]" q7 z
- l; n, O; Z; H$ r/ N3 I8 K
MathWorks 中国教育业务发展总监
2 ~  G) _% f* Q2 I2 v$ H- u
. E1 w3 r4 ?" Q) Z6 ~/ \陈炜博士

8 V* c7 l$ o8 [* W# o2013年6月于上海
: e' M4 \- X4 m- v
* L( i/ f6 |# O/ F/ p
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
, K- F- ?6 O' t% U# N1 s
; z5 M) J4 d$ I( q# H& U) `
9 O& O9 ]5 P2 h0 o5 A